Python数据可视化方法、实践与应用

《Python数据可视化方法、实践与应用》的特色如下： 1．内容全面 本书详细讲解Python数据可视化分析所需要的开发技术，循序渐进地讲解了这些技术的使用方法和技巧，帮助读者快速步入Python 数据分析的高手之列。 2．实例驱动教学 本书采用理论加实例的教学方式，通过对这些实例实现了对知识点的横向切入和纵向比较，让读者有更多的实践演练机会，并且可以从不同的方位展现一个知识点的用法，真正实现了拔高的教学效果。 3．详细介绍了数据分析的流程 本书从一开始便对数据分析的流程进行了详细介绍，而且在讲解中结合了多个实用性很强的数据分析项目案例，带领读者掌握Python数据分析的相关知识，以解决实际工作中的数据分析问题。

《Python数据可视化方法、实践与应用》循序渐进、深入讲解了使用Python语言实现数据可视化分析的核心知识，并通过具体实例的实现过程演练了数据可视化分析的方法和流程。全书共10章，内容包括数据采集、使用数据库保存数据、绘制散点图和折线图、绘制柱状图、绘制饼状图、绘制其他图形以及商业应用——电影票房数据可视化、房地产市场数据可视化、交通数据可视化、招聘信息可视化。讲解简洁而不失深度，内容丰富、全面，历史资料翔实完整。本书以极简的文字介绍了复杂的案例，易于理解。《Python数据可视化方法、实践与应用》适用于已经了解了Python语言基础语法的读者，也适用于希望进一步提高自己Python开发水平的读者，还可以作为大专院校相关专业的师生用书和培训机构的教材。

王振丽，华中科技大学计算机硕士，资深Python开发工程师，热衷于移动开底层系统架构、驱动开发、AI开发的研究和具体工作，对Python人工智能的架构设计和实现原理有非常深刻的认识和理解，应用开发经验也十分丰富。

第1章数据采集1
1.1处理网络数据2
1.1.1解析HTML和XML数据2
1.1.2处理HTTP数据11
1.1.3处理URL数据17
1.2网络爬虫技术21
1.2.1网络爬虫基础21
1.2.2使用Beautiful Soup爬取网络数据22
1.2.3使用XPath爬取网络数据24
1.2.4爬取体育新闻信息并保存到XML文件26
1.2.5爬取XX百科29
1.3使用专业爬虫库Scrapy32
1.3.1Scrapy框架基础33
1.3.2搭建Scrapy环境34
1.3.3创建第一个Scrapy项目34
1.3.4爬取某电影网的热门电影信息38
1.3.5爬取某网站中的照片并保存到本地42
1.3.6爬取某网站中的主播照片并保存到本地43
第2章使用数据库保存数据45
2.1操作SQLite3数据库46
2.1.1sqlite3模块介绍46
2.1.2使用sqlite3模块操作SQLite3数据库53
2.1.3SQLite和Python的类型56
2.2操作MySQL数据库60
2.2.1搭建PyMySQL环境61
2.2.2实现数据库连接62
2.2.3创建数据库表62
2.3使用MariaDB数据库63
2.3.1搭建MariaDB数据库环境63
2.3.2在Python程序中使用MariaDB数据库66
2.3.3使用MariaDB创建MySQL数据库68
2.4使用MongoDB数据库71
2.4.1搭建MongoDB环境71
2.4.2在Python程序中使用MongoDB数据库72
2.5使用ORM(对象关系映射)操作数据库75
2.5.1Python和ORM75
2.5.2使用SQLAlchemy76
2.5.3使用mongoengine80
第3章绘制散点图和折线图83
3.1绘制散点图84
3.1.1绘制一个简单的点84
3.1.2添加标题和标签84
3.1.3绘制10个点85
3.1.4修改散点的大小86
3.1.5设置散点的颜色和透明度87
3.1.6修改散点的形状87
3.1.7绘制两组数据的散点图88
3.1.8为散点图设置图例89
3.1.9自定义散点图样式89
3.1.10使用pygal绘制散点图91
3.2绘制折线图92
3.2.1绘制最简单的折线92
3.2.2设置标签文字和线条粗细93
3.2.3绘制1000个点组成折线图94
3.2.4绘制渐变色的折线图95
3.2.5绘制多幅子图96
3.2.6绘制正弦函数和余弦函数曲线97
3.2.7绘制3条不同的折线100
3.2.8绘制浏览器市场占有率变化折线图101
3.2.9绘制XY线图102
3.2.10绘制水平样式的浏览器市场占有率变化折线图103
3.2.11绘制叠加折线图104
3.2.12绘制某网站用户访问量折线图105
3.3绘制其他类型的散点图和折线图106
3.3.1绘制随机漫步图106
3.3.2大数据可视化分析某地的天气情况110
3.3.3在Tkinter中使用Matplotlib绘制图表113
3.3.4绘制包含点、曲线、注释和箭头的统计图115
3.3.5在两栋房子之间绘制箭头指示符117
3.3.6根据坐标绘制行走路线图118
3.3.7绘制方程式曲线图120
3.3.8绘制星空图122
3.4绘制BTC(比特币)和ETH(以太币)的价格走势图122
3.4.1抓取数据122
3.4.2绘制BTC/美元价格曲线123
3.4.3绘制BTC和ETH的历史价格曲线图124
3.5Flask+pygal+SQLite实现数据分析125
3.5.1创建数据库125
3.5.2绘制统计图126
第4章绘制柱状图129
4.1绘制基本的柱状图130
4.1.1绘制只有一个柱子的柱状图130
4.1.2绘制有两个柱子的柱状图130
4.1.3设置柱状图的标签132
4.1.4设置柱状图的颜色135
4.1.5绘制堆叠柱状图136
4.1.6绘制并列柱状图137
4.1.7绘制2002—2013年网页浏览器使用变化柱状图138
4.1.8绘制直方图139
4.1.9绘制横向柱状图140
4.1.10绘制有图例横向柱状图141
4.1.11绘制分组柱状图142
4.1.12模拟电影票房柱状图144
4.1.13绘制正负柱状图145
4.1.14绘制不同商品销量的统计柱状图145
4.2可视化分析掷骰子游戏的结果次数146
4.2.1使用库pygal实现模拟掷骰子功能147
4.2.2同时掷两个骰子148
4.3可视化分析很受欢迎的开源项目150
4.3.1统计前30名很受欢迎的Python库150
4.3.2使用pygal实现数据可视化152
4.4可视化统计显示某网店各类口罩的销量154
4.4.1准备CSV文件154
4.4.2可视化CSV文件中的数据155
4.5数据挖掘：可视化处理文本情感分析数据156
4.5.1准备CSV文件156
4.5.2可视化两个剧本的情感分析数据157
第5章绘制饼状图161
5.1绘制基本的饼状图162
5.1.1绘制简易的饼状图162
5.1.2修饰饼状图164
5.1.3突出显示某个饼状图的部分165
5.1.4为饼状图添加图例166
5.1.5使用饼状图可视化展示某地区程序员的工龄166
5.1.6绘制多个饼状图167
5.1.7绘制多系列饼状图171
5.1.8绘制圈状饼状图171
5.1.9绘制环状饼状图172
5.1.10绘制半饼状图173
5.1.11使用库pandas、numpy和matplotlib绘制饼状图174
5.2爬取热门电影信息并制作可视化分析饼状图174
5.2.1创建MySQL数据库174
5.2.2爬取并分析电影数据176
5.3机器学习实战：Scikit-Learn聚类分析并可视化处理179
5.3.1准备饼状图179
5.3.2聚类处理180
5.3.3生成统计柱状图180
5.4可视化展示名著《西游记》中出现频率最多的文字182
5.4.1单元测试文件182
5.4.2GUI界面182
5.4.3设置所需显示的出现频率185
第6章绘制其他图形187
6.1绘制雷达图188
6.1.1创建极坐标图188
6.1.2设置极坐标的正方向188
6.1.3绘制一个基本的雷达图189
6.1.4绘制XX战队2020绝地求生战绩的雷达图190
6.1.5使用雷达图比较两名研发部同事的能力191
6.1.6绘制汽车性能雷达图192
6.1.7使用pygal绘制雷达图193
6.1.8绘制主流编程语言的雷达图194
6.2绘制热力图195
6.2.1绘制热力图的函数195
6.2.2绘制一个简单的热力图197
6.2.3使用库matplotlib绘制热力图197
6.3将Excel文件中的地址信息可视化为交通热力图199
6.3.1将地址转换为JS格式199
6.3.2将JS地址转换为坐标199
6.3.3在地图中显示地址的热力信息201
6.4使用热点图可视化展示电视剧的收视率202
6.4.1爬虫爬取电视剧资料202
6.4.2使用热点图实现可视化204
6.5行人重识别并绘制行走热力图207
6.5.1安装第三方库pytorch208
6.5.2编写识别程序和绘图程序208
6.6绘制词云图210
6.6.1绘制B站词云图210
6.6.2绘制知乎词云图211
6.7使用热力图可视化展示某城市的房价信息212
6.7.1准备数据212
6.7.2使用热力图可视化展示信息213
第7章商业应用：电影票房数据可视化217
7.1需求分析218
7.2模块架构218
7.3爬虫抓取数据219
7.3.1分析网页219
7.3.2破解反爬220
7.3.3构造请求头223
7.3.4实现具体爬虫功能224
7.3.5将爬取的信息保存到数据库226
7.4数据可视化分析227
7.4.1电影票房TOP10227
7.4.2电影评分TOP10229
7.4.3电影人气TOP10230
7.4.4每月电影上映数量231
7.4.5每月电影票房233
7.4.6中外票房对比234
7.4.7名利双收TOP10236
7.4.8叫座不叫好TOP10237
7.4.9电影类型分布238
第8章商业应用：房地产市场数据可视化241
8.1背景介绍242
8.2需求分析242
8.3模块架构242
8.4系统设置243
8.4.1选择版本243
8.4.2保存日志信息244
8.4.3设置创建的文件名244
8.4.4设置抓取城市245
8.4.5处理区县信息247
8.5破解反爬机制249
8.5.1定义爬虫基类249
8.5.2浏览器用户代理250
8.5.3在线IP代理251
8.6爬虫抓取信息251
8.6.1设置解析元素251
8.6.2爬取二手房信息252
8.6.3爬取楼盘信息255
8.6.4爬取小区信息258
8.6.5抓取租房信息262
8.7数据可视化266
8.7.1爬取数据并保存到数据库266
8.7.2可视化济南市房价最贵的4个小区270
8.7.3可视化济南市主要地区的房价均价271
8.7.4可视化济南市主要地区的房源数量272
8.7.5可视化济南市各区的房源数量所占百分比274
第9章商业应用：交通数据可视化277
9.1系统架构分析278
9.2从CSV文件读取数据278
9.2.1读取显示CSV文件中的前3条骑行数据278
9.2.2读取显示CSV文件中指定列的数据283
9.2.3用统计图可视化CSV文件中的数据283
9.2.4选择指定数据284
9.3日期相关操作290
9.3.1统计每个月的骑行数据290
9.3.2展示某街道前5天的骑行数据信息291
9.3.3统计周一到周日每天的数据292
9.3.4使用matplotlib图表可视化展示统计数据293
第10章商业应用：招聘信息可视化297
10.1系统背景介绍298
10.2系统架构分析298
10.3系统设置299
10.4网络爬虫299
10.4.1建立和数据库的连接300
10.4.2设置HTTP请求头User-Agent300
10.4.3抓取信息301
10.4.4将抓取的信息添加到数据库302
10.4.5处理薪资数据303
10.4.6清空数据库数据304
10.4.7执行爬虫程序304
10.5信息分离统计304
10.5.1根据“工作经验”分析数据305
10.5.2根据“工作地区”分析数据306
10.5.3根据“薪资水平”分析数据307
10.5.4根据“学历水平”分析数据308
10.6数据可视化309
10.6.1FlaskWeb架构309
10.6.2Web主页311
10.6.3数据展示页面312
10.6.4数据可视化页面314